Supersaturation and diffusional droplet growth in liquid clouds: Polydisperse spectra
Notice bibliographique
Résumé
Abstract Evolution of droplet size distribution (DSD) due to the water vapor diffusion in a vertically moving adiabatic parcels is investigated. Analytical expressions for height dependences of the main DSD parameters and DSD moments are obtained. The asymptotic behavior of the DSD parameters at large heights above cloud base is determined. It is shown that during diffusion growth, the width and the relative dispersion of the DSD decrease with height as z − 1/3 and z − 2/3 , respectively. The paper presents examples of DSD evolution in cases DSD forms on aerosols with a three‐mode lognormal distribution. The aerosol distribution parameters used in the study correspond to four aerosol types: “Marine,” “Clean continental,” “Background,” and extremely polluted “Urban.” The vertical profiles of DSD parameters are compared with the asymptotic profiles. It is shown that in case of polydisperse DSD evolution, the vertical profile of supersaturation within several hundred meters above the cloud base can be approximated by a supersaturation profile corresponding to the “equivalent” monodisperse DSD. The initial radius of this equivalent DSD is equal to the mean radius of polydisperse DSD (haze size distribution) at cloud base, which is estimated using the Kohler theory. This result of the relation between the polydisperse and monodisperse solutions is universal. A new equation for estimation of supersaturation maximum for polydisperse case is obtained. The obtained analytical expressions and numerical results are useful for understanding the mechanisms of DSD formation in clouds and for parameterization of warm microphysical processes in cloud models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».